人工神经网络应用于光谱分析：校正与辨识

将人工神经网络（ＡＮＮ）用于光谱分析校正与定量分辨中。采用三层节点模型和反向传播学习算法对模拟与实测数据处理结果表明，人工神经网络对光谱分析校正与定量辨识是可行的，从而为光谱辨识与多元校正提供了一条新途径。

人工神经网络在双向板弹性内力计算中的应用

将人工神经网络技术应用于结构内力分析。介绍了前馈型BP神经网络的模型及其算法 ,在分析双向板弹性内力时 ,建立了一个三层的BP网络 ,将该网络进行训练后计算四边简支双向板跨中弹性最大弯矩。在分析时 ,为了增强网络的推广能力 ,还以权值的修正量作为参考的收敛标准 ;同时 ,为了加快学习速率而不导致振荡 ,还采用了增加动量系数的方法来修改反传中的学习速率。BP网络的分析程序采用Matlab编制。

弹性反传神经网络法预测烷基苯的疏水性常数

介绍了应用人工神经网络预测烷基苯分子疏水性常数的方法。该法同传统方法相比 ,具有操作简便 ,适用范围广的特点。基于误差反传神经网络 ,建立了分子连接性指数 (χ)、范德华表面积 (Aw)和疏水性常数 (logP)之间的数学模型。应用该模型对烷基苯分子的疏水性常数进行预测 ,其平均相对偏差为 0 6 7%。并且通过与标准误差反传算法和自适应学习算法相比较 ,发现弹性反传算法具有训练速度快 。

GBP人工神经网络在变压器故障诊断中的应用

人工神经网络在电力变压器故障诊断中得到应用．本文利用广义误差反传（ＧＢＰ）人工神经网络建立了相应的故障诊断神经网络模型，对变压器的故障诊断进行了新的探索．这种方法能克服普通反向传播算法所存在的容易陷入局部极小点，对初值要求较高等缺点．实例诊断结果证明，这是一种比较理想的方法．

资料稀缺地区径流分析的神经网络模型

资料缺乏和无资料地区的径流分析研究一直是困扰水文工作者的一个难题。在探讨了将人工神经网络方法应用于上述地区的径流研究可行性基础上 ,通过分析确定影响径流的主要因素 ,建立岩溶山区径流分析神经网络模型。

BP神经网络技术在食品营销系统中的应用——书评《食品营销学》

随着市场经济的飞速发展,食品行业间的竞争趋势也在不断加剧,特别是入世以来我国对外经济贸易开放的加大以及新常态下经济结构的调整,影响市场营销的因素更加复杂化与多元化,传统的食品营销系统在管理方式、市场预测和风险评估方法已无法适应当前环境,如何基于新兴技术和手段以优化食品营销活动成为市场营销亟待解决的难题。BP神经网络技术(误差反传网络技术)作为最常用的人工神经网络技术,具有很强的非线性映射能力和柔性的网络结构,在多个行业的营销管理和风险预测都取得了极佳的应用效果。因而,将BP神经网络技术应用于食品营销系统中具有重要意义。

曲轴滚压校直力求解的神经网络建模

针对曲轴滚压校直过程中滚压力的求解问题 ,利用人工神经网络的方法 ,建立了与之相适应的人工神经网络模型 ,并对网络训练算法进行了多项改进 ,使之更适于问题的求解 。

露天矿边坡监测中的小波滤噪与BPANN预测

针对边坡变形量预测难的问题,将小波分析与BP神经网络预测相结合,采用小波变换对边坡变形监测数据进行信噪分离,进而消除观测误差,通过BP神经网络预测模型BPANN对处理后数据进行再处理,对边坡变形量以及变形趋势进行预测。进而提出了一种基于小波变换和BPANN模型对露天矿边坡变形监测数据进行处理分析的方法,并在鞍山某露天矿进行了实际应用。实例结果表明:利用小波去噪与BPANN模型预测的监测点精度达到3 mm,满足二等变形监测的要求,数据处理简便,在露天矿边坡变形监测数据的消噪与预测中具有实际应用价值。

采用BP-GA算法的一种LSI神经网络的电路设计

将误差反传 (BP)算法和遗传算法 (GA)有机地结合在一起 ,提出了一种新的算法 BP- GA。采用 BP- GA算法 ,设计了一个两层前向 L SI神经网络。作为神经网络的关键部件 ,提出的新型神经元性能优越。它的激活函数与理想sigmoid函数拟合很好 ;可实现对阈值及增益因子的编程并且不同增益因子下饱和输出电压值相同。采用标准 1.2 μmCMOS工艺的模型参数 ,对该两层前向神经网络电路进行的HSPICE模拟证明了它有解决异或 (XOR)

基于声学特性的鸡蛋蛋壳裂纹检测

通过自行研制的一套禽蛋裂纹检测装置,采集并分析敲击鸡蛋产生的响应信号,检测裂纹鸡蛋。采用基于归一化最小均方算法的自适应滤波器对信号进行去噪处理。结果表明:经自适应滤波后,敲击响应信号的分辨率和灵敏度均有显著提高。提取经滤波去噪后的鸡蛋敲击响应信号功率谱的5个特征参数,作为误差反传人工神经网络模型的输入向量进行判别。判别模型对实验鸡蛋的交互验证训练集和独立样本预测集的判别率均为97%。

化学计量学用于解析江西白酒的高效液相色谱指纹图谱

采用高效液相色谱法对江西五个不同生产厂家的36个样品进行了测定,构建了它们的指纹图谱,并运用基于主成分分析的投影判别法及聚类分析法对白酒的指纹图谱进行了模式识别研究,再运用主成分分析对指纹图谱的数据进行降维处理,构建反传人工神经网络,并对未知样品的属性进行了预报。结果表明,不同厂家生产的白酒其高效液相色谱指纹图谱存在一定差异,且主成分分析的投影判别法和聚类分析法均能对样品进行正确分类,经优化的反传人工神经网络具有稳定性好,预测结果准确度高的特点,可用于对未知样品的属性进行预报。本研究为白酒样品的鉴别提供了一种新的手段,为白酒的质量控制提供了一定的科学依据。

化学计量学用于解析黄连上清片的高效液相色谱指纹图谱(英文)

采用高效液相色谱获得黄连上清片的色谱指纹图谱,利用基于主成分分析的投影判别法分析实验结果,并用反传人工神经网络对未知样品进行预报。结果表明,不同厂家生产的黄连上清片存在显著差异,主成分分析投影判别法能对样品进行正确分类,从而建立了识别不同厂家黄连上清片的方法,能有效地控制中药黄连上清片的质量。此外,主成分分析还用于优化反传人工神经网络,统计多次预报的结果,表明经过优化的反传人工神经网络能对未知样品的来源进行准确预报。

酚类化合物抑制黑曲霉毒性与结构关系的数据挖掘

运用HF/6-31G~*、HF/6-311G^(**)、DFT-B3LYP/6-31G~*、DFT-B3LYP/6-311G^(**)方法全优化计算18种酚类化合物,获得相应的量子化学参数:最高占有轨道能(E_(HOMO))、最低空轨道能(E_(LUMO))、前沿轨道能级差(△E=E_(LUMO)-E_(HOMO))、分子偶极距(μ)、各原子净电荷(q_i)、苯环上净电荷增量△Q_R和分子体积(V)等。利用多元线性回归分析(MLR)和人工神经网络误差反传算法(BP)2种数据挖掘方法,研究酚类化合物对黑曲霉抑制毒性的定量构效关系(QSAR),采用去一法(LOO)交互检验的方法验证模型稳健性和预测能力,选出最佳模型。所建最佳MLR和BP模型的相关系数、LOO交互检验复相关系数分别为0.956、0.834和0.991、0.845,所建QSAR模型的稳健性和预测能力良好。结果表明酚类化合物对黑曲霉的抑制毒性与分子体积、最低空轨道能、苯环上净电荷增量的相关性较好;分子体积越大,化合物毒性越大;E_(LUMO)越低,毒性越大;△Q_R增大,苯环上的正电性增强,亲电性愈强,化合物毒性愈大。